[发明专利]一种基于深度学习的盾构隧道渗水智能感知方法

说明书

本申请公开了一种基于深度学习的盾构隧道渗水智能感知方法，包括标志点选取、标志点训练、目标检测、语义分割及坐标转换等五个步骤。本申请有效的解决了盾构隧道渗水感知识别准确度较低、标志点普适性差、标志点配准自动化程度低等缺点，同时有效的提高了检测监控作业的自动化、智能化水平及检测作业效率，并降低了检测作业的施工难度、劳动强度及作业成本。

技术领域

本申请涉及一种基于深度学习的盾构隧道渗水智能感知方法，属结构病害感知技术领域。

背景技术

随着人工智能的快速发展，深度学习业已在各行各业发挥了举足轻重的作用。

经济发展带动城市基础建设的发展，而地铁作为城市基础建设重要环节之一，是方便居民出行，带动当地经济发展的重要保障。地铁在城市发展中发挥着越来越重要的作用。由于建筑年代久远、对周围社区的影响、列车振动、缺乏维护和人为干扰，地铁损坏问题越来越严重。盾构隧道是城市地铁系统的主要形式，随着盾构隧道使用年限的增加，在各种荷载的作用下，盾构隧道结构会出现许多病害，及时发现和处理是保障盾构隧道安全的关键。常见的病害主要有结构缺陷、盾构隧道漏水、衬砌裂损、衬砌腐蚀、盾构隧道冻害。在一些供水系统发达的城市，地铁泄漏经常发生。渗流现象有三种：点渗流、面渗流和节理渗流。根据渗流的严重程度，可分为潮汐渗流、缓慢渗流、快速渗流、急流和高压渗流。渗漏部位主要为施工缝渗漏、变形缝渗漏和结构裂缝。地铁盾构隧道渗水威胁到地铁安全，对盾构隧道检测提出了更高的要求。因此，为了确保地铁运营的安全，定期检查是管理的一项重要例行工作。应及时检测缺陷，以防止出现更糟糕的情况。而传统的检测手段有许多缺点，例如效率低，耗时费力。

基于深度学习检测盾构隧道病害是最有效的方式之一，与传统方法相比较，深度学习算法完全是端到端的，无需人工干预，它可以根据原始图像的特征自动执行抽象表达和分析。它具有优异的方便性和可操作性，并已引起工程界的广泛关注。将深度学习算法应用于盾构隧道渗水病害的识别和分类，可以大大减少基于人工经验的特征描述、提取和识别，这有助于提高渗水识别算法的准确性和通用性。开展基于深度学习的盾构隧道渗水检测方法研究具有强烈的紧迫性。

迄今为止，土木工程领域中基于计算机视觉的结构病害感知方法基本采用传统目标追踪方法，该方法存在识别准确度较低、标志点普适性差、标志点配准自动化程度低等缺点，因此，基于深度学习的智能感知方法开始被土木工程结构病害监测领域尝试。

因此，针对这一现状，本申请提出了一种全新的病害监测方法，以克服当前实际工作中存在的不足，满足实际检测作业的需要。

发明内容

本申请提供一种基于深度学习的盾构隧道渗水智能感知方法，以解决背景技术存在的问题。本申请目的在于提高检测效率，为评估盾构隧道渗水病害提供依据。鉴于具有手动特征提取的传统盾构隧道缺陷检测算法的鲁棒性差和识别率低，本申请提出了一种基于灰度图像CNN的智能渗水感知方法，用于检测和分割盾构隧道表面图像中的泄漏和剥落。深度学习在地铁隧道智能感知方面的应用需求来源于现实，可以为人类的出行安全提供更好地保障，具有显著的研究意义和应用价值。

为实现以上技术目的，本申请提供以下技术方案：

一种基于深度学习的盾构隧道渗水智能感知方法，包括以下步骤：

S1，标志点智能布设，首先对待检测目标物上智能布设检测标志点，减少人工布点的随机性与低效性，同时在检测计算机系统中对待检测目标物的图纸上设置与标定实际检测标志点对应的标定虚拟检测标志点，然后对标定实际检测标志点和标定虚拟检测标志点位置进行匹配验证，并在完成验证后即可完成标志点选取；